LFM2.5-24B-A2B vs Ternary Bonsai 2 27B: A diferença são 2 bits e uma conexão com a nuvem

Aqui está a resposta honesta mais curta. LFM2.5-24B-A2B é uma mistura de especialistas apenas de texto que a Liquid AI criou para funcionar dentro de um ciclo de agente numa máquina sem rede, anunciado em 13 de outubro de 2026 com 24,0B de parâmetros totais e 2,45B de parâmetros ativos. Ternary Bonsai 2 27B é uma reescrita de baixa precisão do Qwen3.8-27B que a Prism ML lançou em 17 de setembro de 2026 sob a licença Apache 2.0, armazenando cada peso como um de três símbolos a 1,76 bits efetivos e reduzindo um modelo FP16 de 53,81 GB para um download de 5,93 GB. Ambos são pequenos o suficiente para rodar localmente e ambos têm pesos abertos, e não tentam fazer o mesmo trabalho. O modelo da Liquid foi treinado para chamar ferramentas. O modelo da Prism é um modelo de visão-linguagem de precisão total vestindo um terno muito mais barato.

O que torna o par digno de uma página é que cada um lhe diz onde a sua própria evidência é frágil, e as duas fraquezas são opostas.

O que cada um é, reduzido à parte que importa.

O LFM2.5-24B-A2B mantém a arquitetura LFM2: 40 camadas, 30 blocos de convolução curta com portas duplas e 10 camadas de atenção de consulta agrupada, 64 especialistas por bloco com roteamento top-4, 131.072 tokens de contexto, um vocabulário de 128.000 tokens, texto de entrada e texto de saída. O pipeline de pós-treinamento da Liquid termina com uma etapa de aprendizagem por reforço agêntico executada dentro de OpenClaw, Hermes Agent, Pi e OpenCode. O fornecedor recomenda explicitamente combiná-lo com recuperação ou pesquisa na web em vez de confiar nele para perguntas de conhecimento — e, em sua própria tabela de lançamento, a linha AA-Omniscience fica em −24,90, o que é essa recomendação em forma numérica.

O Ternary Bonsai 2 27B é a mesma rede que o Qwen3.8-27B, apenas escrita de forma diferente. O white paper da Prism ML divide 27,36B de parâmetros em 24,35B no backbone de linguagem ao longo de 64 blocos, 2,54B no embedding e na cabeça LM, e 0,47B em uma torre de visão de 27 blocos que é fornecida como um arquivo mmproj de 4 bits separado, de aproximadamente 0,63 GB, e só é carregada quando uma imagem chega. A atenção híbrida do modelo base — 48 camadas de atenção linear Gated DeltaNet intercaladas com 16 camadas de atenção completa, tamanho oculto 5.120, um vocabulário de 248.320 tokens — é herdada sem alterações. O mesmo vale para o contexto de 262.144 tokens.

A linha que mais rapidamente os separa é a modalidade. O Ternary Bonsai 2 27B aceita imagens. O LFM2.5-24B-A2B não aceita, e nenhum truque de quantização muda isso.

Qualidade, na única mesa que qualquer um dos dois tem

A Prism ML mediu sua build em relação ao original de precisão total em uma suíte de 20 benchmarks e relata que ela mantém 98,2% da média — 83,9 contra 85,4. Esse é o harness do próprio fornecedor, com um mês de existência, reproduzido por ninguém. É também, deliberadamente ou não, exatamente o tipo de alegação que esconde sua própria distribuição, porque os 1,8 pontos não estão distribuídos de forma uniforme.

• Matemática — 96,57 versus 97,06. Efetivamente no mesmo nível.

• Codificação — 81,58 versus 82,17. Perto, e a categoria sobre a qual a técnica de compressão está sendo discutida.

• Seguimento de instruções — 82,66 versus 81,25. O modelo comprimido está à frente, a única linha genuinamente surpreendente da tabela.

Conhecimento e raciocínio — 83,95 contra 86,66. Uma queda de 2,7 pontos, e o maior contribuinte individual para o 1,8 que falta.

• Agentes e chamada de ferramentas — 77,57 versus 79,74, abrangendo τ2-Bench em 80,22 e BFCL v3 em 74,92.

Agora, o problema de usar essa tabela aqui. Os números da Prism são o seu build contra a sua própria base de precisão total. Os números da Liquid — AutomationBench 27.69, LiveClaw 48.09, ToolSandbox 80.71, BFCLv4 65.01, IFEval 96.75, IFBench 74.69 — são contra um conjunto diferente de modelos, em um harness diferente, com configurações de geração diferentes. Nenhum benchmark aparece nas duas tabelas.Qualquer pessoa que coloca BFCLv3 74.92 ao lado de BFCLv4 65.01 e anuncia um vencedor comparou dois testes diferentes e chamou isso de resultado.

O runtime é onde os dois divergem de verdade.

Esta parte não é uma alegação de fornecedor, é um fato de compatibilidade que você pode comprovar em uma tarde.

A Prism ML teve que escrever kernels para a arquitetura, porque o formato empacotado e a atenção majoritariamente linear são ambos incomuns. O llama.cpp padrão rejeita ambos os empacotamentos da Prism como tipos desconhecidos — e, mais perigosamente, carrega um formato ternário mais antigo sem reclamar e produz baboseira fluente, porque nenhuma rotação correspondente foi aplicada às ativações. Se você executar o Ternary Bonsai 2 27B em um binário que não o conhece, você não recebe um erro. Você recebe uma saída confiante e errada.

O LFM2.5-24B-A2B tem o perfil de risco oposto. A Liquid lista suporte no primeiro dia em llama.cpp para GGUF, MLX, vLLM, SGLang e ONNX, além de repositórios irmãos FP8, ONNX e MLX de 4 bits — um lançamento convencional. A questão em aberto aí é o desempenho, e não a correção: os números do fornecedor de 184 tokens por segundo em um Apple M5 Max e 114 em um AMD Ryzen AI Max+ 395 não foram reproduzidos, e a manchete "até 1,7× mais rápido que o segundo melhor modelo" não tem nenhuma linha de base publicada associada a ela.

Onde é que um markup de 0% realmente importa aqui?

Entre esses dois modelos, o ângulo de roteamento é genuinamente complicado, e vale a pena dizer isso em vez de maquiar. O Ternary Bonsai 2 27B é um download: a Prism ML o distribui no Hugging Face sob Apache 2.0, e o ponto de toda a técnica é que você mesmo o executa. O LFM2.5-24B-A2B também é principalmente um artefato local, com o endpoint Console da Liquid a $0.10 por milhão de tokens de entrada — $0.05 em cache — e $1.00 por milhão de saída como alternativa hospedada. A proposta de valor central de nenhum deles é uma chamada de API medida.

Onde uma camada de roteamento conquista o seu lugar é ao lado deles, e não em vez deles. O modelo base a partir do qual o Ternary Bonsai 2 27B é comprimido — qwen/qwen3.8-27b, publicado pela Alibaba em 13 de agosto de 2026 — é servido no nosso catálogo a $0.33 por milhão de tokens de entrada e $2.40 por milhão de tokens de saída, o que significa que a mesma tarefa pode correr contra o modelo servido em precisão total enquanto avalia a build local de 5,93 GB com os mesmos prompts. É uma comparação justa feita a baixo custo, e é aquela que a própria tabela de 20 benchmarks do Prism não consegue fazer por si.

A licença, que não é uma nota de rodapé de nenhum dos lados.

O Ternary Bonsai 2 27B está sob a Apache 2.0, sem gatilho de receita e sem cláusula de campo de uso; o mesmo se aplica aos pesos Qwen3.8-27B dos quais deriva. O LFM2.5-24B-A2B é distribuído ao abrigo da licença lfm1.0 da Liquid, que é um instrumento diferente, com os seus próprios termos comerciais. Numa leitura puramente de engenharia, os dois modelos são suficientemente próximos para que a escolha se resuma muitas vezes ao formato de implementação — executor local versus raciocinador visual local —, mas a licença é o único fator que não muda com o ciclo de benchmarks, e vale a pena verificá-la face aos seus próprios números de receita antes de construir um produto sobre qualquer um deles.

O que cada fornecedor deixou de medir é o que merece atenção. A Prism ML publicou um percentual de retenção, mas não o comportamento por carga de trabalho de um modelo de 1,76 bit nos seus dados, e um artefato de compressão que representa 98,2% da média ainda pode ser a ferramenta errada para a única categoria que lhe importa — a queda na codificação, pequena no agregado, atinge com mais força um ponto específico. A Liquid publicou uma tabela agêntica sem coluna independente e sem nenhum número de recuperação de contexto longo para uma janela de 131K. Ambas as lacunas se fecham com o lançamento de um benchmark, e não com um post de blog, e o fornecedor que lançar um primeiro terá levado a discussão muito mais longe do que os últimos 1,8 pontos.

Acompanhe interrupções e degradações de modelos ao vivo em nosso arquivo de incidentes e veja quais rotas fizeram failover de forma limpa.